訓練模型優(yōu)化方案：
時間瓶頸分析：
流程：
相同打分-》抽樣-》離散化 -》樣本轉labeledPoint -》lr train --》特征有效性分析
場景：
每人目錄下有多個模型，只有 正則化參數(shù)不同
當前方案：
參數(shù)不同，重跑 整個流程 相同打分-》抽樣-》離散化 -》樣本轉labeledPoint -》lr train --》特征有效性分析
優(yōu)化方案：
只是模型訓練的參數(shù)不同，可以在模型中添加initweight，整個流程：耗時144分鐘，優(yōu)化后，只需要6分鐘，只需4%的時間，即時間效率提升24倍。
Paste_Image.png
空間瓶頸分析：
流程：相同打分-》抽樣-》離散化 -》樣本轉labeledPoint -》lr train --》特征有效性分析
場景：每人目錄下有多個模型，只有 正則化參數(shù)不同
優(yōu)化方案：打分、抽樣、離散化、樣本轉labeledPoint 這些數(shù)據(jù)都可以共用。僅僅參數(shù)不同，只需要1/10的空間。即空間效率提升10倍。
Paste_Image.png
評估：
“參數(shù)不同”的場景占比多少？假如占比為ratio，則優(yōu)化后為 空間消耗總量* ratio*0.1
舉例：
我的空間消耗15T ，“參數(shù)不同”的場景占1/3,即 此場景為5T，優(yōu)化后，只需要0.5T，即500G。節(jié)省30%左右。
